shufflenet_v2_x1_0

torchvision.models.quantization.shufflenet_v2_x1_0(※, weights: Optional[Union[ShuffleNet_V2_X1_0_QuantizedWeights, ShuffleNet_V2_X1_0_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

構建一個 ShuffleNetV2，其輸出通道為 1.0x，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

注意

請注意，quantize = True 將返回一個 8 位量化的模型。量化模型僅支援推理並在 CPU 上執行。GPU 推理暫不支援。

引數:

• weights (ShuffleNet_V2_X1_0_QuantizedWeights 或 ShuffleNet_V2_X1_0_Weights, optional) – 模型的預訓練權重。有關更多詳細資訊和可能值，請參閱下面的 ShuffleNet_V2_X1_0_QuantizedWeights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。

• quantize (bool, optional) – 如果為 True，則返回模型的量化版本。預設為 False。

• **kwargs – 傳遞給 torchvision.models.quantization.ShuffleNet_V2_X1_0_QuantizedWeights 基類的引數。有關此類更多詳細資訊，請參閱 原始碼。

class torchvision.models.quantization.ShuffleNet_V2_X1_0_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X1_0_QuantizedWeights.DEFAULT 等同於 ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是透過在下面的未量化權重之上執行訓練後量化（eager 模式）生成的。也可透過 ShuffleNet_V2_X1_0_QuantizedWeights.DEFAULT 獲取。

acc@1 (在 ImageNet-1K 上)	68.36
acc@5 (在 ImageNet-1K 上)	87.582
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
backend	fbgemm
方案	連結
引數數量	2278604
unquantized	ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1
GIPS	0.14
檔案大小	2.3 MB

推理變換可在 ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次化 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。

class torchvision.models.ShuffleNet_V2_X1_0_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X1_0_Weights.DEFAULT 等同於 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1:

這些權重是重新從頭開始訓練的，以密切復現論文的結果。也可透過 ShuffleNet_V2_X1_0_Weights.DEFAULT 獲取。

acc@1 (在 ImageNet-1K 上)	69.362
acc@5 (在 ImageNet-1K 上)	88.316
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
引數數量	2278604
GFLOPS	0.14
檔案大小	8.8 MB

推理變換可在 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次化 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。